DenseNet
Ez a cikk azt ismerteti, hogyan használhatja a DenseNet összetevőt az Azure Machine Learning designerben képbesorolási modell létrehozásához a Densenet algoritmus használatával.
Ez a besorolási algoritmus felügyelt tanulási módszer, és címkézett képkönyvtárat igényel.
Megjegyzés
Ez az összetevő nem támogatja a studióban az Adatcímkézésből létrehozott címkézett adathalmazt, de csak a Konvertálás képkönyvtárba összetevőből létrehozott címkézett képkönyvtárat támogatja.
A modellt betaníthatja úgy, hogy megadja a modellt és a címkézett képkönyvtárat bemenetként a Pytorch-modell betanítása számára. A betanított modell ezután a Score Image Model használatával előrejelezheti az új bemeneti példák értékeit.
További információ a DenseNetről
A DenseNetről további információt a Sűrűn csatlakoztatott konvolúciós hálózatok című kutatási tanulmányban talál.
A DenseNet konfigurálása
Adja hozzá a DenseNet összetevőt a folyamathoz a tervezőben.
A Modell neve mezőben adja meg egy bizonyos DenseNet-struktúra nevét, és a támogatott DenseNet-hálózatok közül választhat: "densenet121", "densenet161", "densenet169", "densenet201".
Előre betanítottként adja meg, hogy az ImageNeten előre betanított modellt szeretne-e használni. Ha be van jelölve, finomhangolhatja a modellt a kiválasztott előre betanított modell alapján; ha nincs bejelölve, a nulláról is betanulhat.
Memóriahatékonyság esetén adja meg, hogy az ellenőrzőpontozást használja-e, ami sokkal memóriahatékonyabb, de lassabb. További információ: A DenseNets memória-hatékony implementálása című kutatási tanulmány.
Csatlakoztassa a DenseNet-összetevő , a betanítás és az érvényesítési rendszerkép adathalmaz-összetevőjének kimenetét a Pytorch-modell betanításához.
Küldje el a folyamatot.
Results (Eredmények)
A folyamatfuttatás befejezése után a modell pontozáshoz való használatához csatlakoztassa a Pytorch-modell betanítása a képmodell pontozásához az új bemeneti példák értékeinek előrejelzéséhez.
Technikai megjegyzések
összetevőparaméterek
Name | Tartomány | Típus | Alapértelmezett | Description |
---|---|---|---|---|
Modell neve | Bármelyik | Mód | densenet201 | Egy bizonyos DenseNet-struktúra neve |
Előre betanított | Bármelyik | Logikai | Igaz | Az ImageNeten előre betanított modell használata |
Memória hatékonyan | Bármelyik | Logikai | Hamis | Érdemes-e ellenőrzőpontozást használni, ami sokkal memóriahatékonyabb, de lassabb |
Kimenet
Név | Típus | Description |
---|---|---|
Nem betanított modell | Nem betanítottModelDirectory | Nem betanított DenseNet-modell, amely csatlakoztatható a Pytorch-modell betanításához. |
Következő lépések
Tekintse meg az Azure Machine Learning számára elérhető összetevőket .
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: